TEACHING STRATEGIES WITH AI:
Learn, Share, Grow

ผศ.ดร.สิวะโชติ ศรีสุทธิยากร

ภาควิชาวิจัยและจิตวิทยาการศึกษา
คณะครุศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย

2025-07-18

Outline

  • AI-Augmented Programme Learning Outcomes Design (PLOs)

  • AI-Augmented and Assisted Teaching

AI-Augmented PLOs Design (1)

AI-Augmented PLOs Design (2)

ใช้แหล่งข้อมูลจากเอกสารที่เกี่ยวข้องทั้งในระดับชาติ และนานาชาติ เพื่อรวบรวมแนวคิดสำคัญเกี่ยวกับสมรรถนะครูที่จำเป็น ภายใต้บริบทของการศึกษาในศตวรรษที่ 21 และการเปลี่ยนแปลงทางเทคโนโลยีและสังคม เช่น กรอบนโยบายและมาตรฐานระดับชาติ กรอบนโยบายและวิสัยทัศน์ของสถาบัน กรอบสมรรถนะครูระดับภูมิภาคและนานาชาติ แนวโน้มทักษะและสมรรถนะในอนาคต และความคิดเห็นจากคณาจารย์และผู้เกี่ยวข้อง

หมวดหมู่หลัก ชื่อหมวดหมู่ รายการเอกสารที่เกี่ยวข้อง
1 กรอบนโยบายและมาตรฐานวิชาชีพครูของไทย - ประกาศคณะกรรมการคุรุสภา เรื่อง สาระความรู้ สมรรถนะและประสบการณ์วิชาชีพของผู้ประกอบวิชาชีพ
- แผนการศึกษาแห่งชาติ พ.ศ. 2560–2579
- มาตรฐานคุณวุฒิระดับอุดมศึกษา
2 วิสัยทัศน์และทักษะเป้าหมายของมหาวิทยาลัย - วิสัยทัศน์ พันธกิจของจุฬาลงกรณ์มหาวิทยาลัย
- วิสัยทัศน์ พันธกิจ และค่านิยมหลักของคณะครุศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย 2024–2028
- ทักษะอนาคต จุฬาลงกรณ์มหาวิทยาลัย (ศ.ดร.วิเลิศ ภูริวัชร)
3 สมรรถนะครูในระดับภูมิภาคและสากล - สมรรถนะครูเอเชียตะวันออกเฉียงใต้ (SEA-TCF)
- The V³SK Model (NIE, Singapore)
- AI Competency for Teacher (UNESCO, 2024)
4 ทักษะ สมรรถนะ และความรู้เพื่ออนาคตครูในโลกเปลี่ยนแปลง - ทักษะที่จำเป็นแห่งอนาคต เพื่อเตรียมการพัฒนาคุณภาพคนไทยทุกช่วงวัย (สกศ.)
- The Future of Skills: Employment in 2030 (WEF, 2017)
- The Future of Jobs (WEF, 2020)
- The Future of Jobs Report 2025 (WEF): Skills outlook
- The futures we build (UNESCO, 2023)
- McKinsey: Defining the skills citizens will need (2021)
- OECD DIGITAL EDUCATION OUTLOOK 2023
- OECD Learning Compass, Knowledge, Skills, Attitudes, Transformative Competencies
- Artificial intelligence literacy, lifelong learning, and fear of innovation
- Artificial Intelligence and the Future of Teaching and Learning
- Role of data literacy training for decision-making in teaching practice
5 ข้อคิดเห็นและข้อมูลจากผู้มีส่วนได้ส่วนเสีย - ความคิดเห็นจากคณาจารย์คณะครุศาสตร์
- ผลการสำรวจบัณฑิต ผู้ใช้บัณฑิต และผู้เกี่ยวข้อง

AI-Augmented PLOs Design (3)

  • Document Digitization

  • Attribute phrase extraction using LLMs

    • Prompt Engineering

    • Extracting Attribute Keywords/Phrases from Text

    • Classifying Phrases into Defined Attribute Categories

    • Batch processing

  • ชุดข้อมูลคลังคำสำคัญ/วลี 1627 คำ

AI-Augmented PLOs Design (4)

AI-Augmented PLOs Design (5)

Mapping คำสำคัญกับกรอบแนวคิดคุณลักษณะของบัณฑิตคณะครุศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย (ปรับปรุง keywords)

Competency ID Competency (เดิม) Example Keywords (ใหม่) ผลการสังเคราะห์ Keyword ใหม่
Competency 1 การออกแบบการเรียนรู้บนฐานเทคโนโลยีและข้อมูล instructional_design, technology_integration, technological_literacy, digital_literacy, digital_tools, ai_literacy, data_analysis, data_literacy, data_literacy_skills, personalized_learning, adaptive_learning, equitable_learning_environments, global_awareness, curriculum_development, 21st_century_skills, systems_thinking… มุ่งเน้นการออกแบบและจัดประสบการณ์การเรียนรู้โดยใช้เทคโนโลยีและข้อมูลสารสนเทศเป็นฐาน เพื่อเปลี่ยนแปลงการเรียนรู้ให้มีความหมายและสอดคล้องกับความต้องการเฉพาะของผู้เรียนแต่ละคนอย่างแท้จริง ไม่เพียงแค่ใช้เครื่องมือดิจิทัล แต่รวมถึงการออกแบบที่ตอบสนองต่อความหลากหลายและความเฉพาะบุคคล
Competency 2 การบริหารจัดการและการตัดสินใจด้านการศึกษา adaptability, flexibility, flexibility_and_adaptability, ethical_decision-making, professional_ethics, ethical_teaching_practices, differentiated_instruction, responsive_teaching, active_learning, teamwork_skills, collaboration_skills, communication_skills, creative_thinking, decision-making, strategic_decision-making, change_management, problem_solving, future_skills_development, learning_agility… แสดงถึงภาวะผู้นำเชิงจริยธรรมที่สามารถวิเคราะห์สถานการณ์และตัดสินใจได้อย่างยืดหยุ่นท่ามกลางความซับซ้อนบริบทโลก และบริบททางการศึกษา มีทักษะในการวางกลยุทธ์และบริหารจัดการที่รองรับความแตกต่างของผู้เรียนและความเปลี่ยนแปลงในระดับระบบอย่างมีประสิทธิภาพ
Competency 3 การพัฒนาตนเองและการทำงานร่วมกับผู้อื่น self-directed_learning, lifelong_learning, growth_mindset, reflective_practice, resilience, self-awareness, self-care, well-being, professional_development, continuous_professional_development, collaboration, collaborative_learning, collaborative_problem_solving, critical_thinking, metacognitive_skills, strategic_decision-making, effective_teamwork… สะท้อนลักษณะของผู้เรียนรู้ตลอดชีวิตที่มีแรงขับภายในในการพัฒนาตนเองทางวิชาชีพ พร้อมความสามารถในการทำงานร่วมกับผู้อื่นอย่างสร้างสรรค์ท่ามกลางสภาพแวดล้อมที่เปลี่ยนแปลง และใส่ใจต่อความเป็นอยู่ที่ดีของทั้งตนเองและผู้อื่นอย่างสมดุล
Competency 4 จริยธรรม ความเสมอภาค และพลเมืองโลก global_citizenship, global_awareness, global_competence, cultural_responsiveness, equity, inclusive_education, cross-cultural_communication, collaborative_work, collaborative_teaching, adaptive_teaching, adaptive_instruction, ethics, ethical_decision-making, data-driven_decision_making, evidence-based_practice, strategic_data_use, collaborative_data_use, collaborative_data_analysis… เน้นความเข้าใจในบทบาทของครูในฐานะพลเมืองโลกที่มีจริยธรรม เปิดกว้างต่อความหลากหลายทางวัฒนธรรม และมีความรับผิดชอบต่อสังคม สามารถประยุกต์ใช้ข้อมูลและแนวปฏิบัติที่อิงหลักฐานในการตัดสินใจด้านการเรียนการสอนเพื่อส่งเสริมความเสมอภาคและความยุติธรรมในการศึกษา

AI-Augmented and Assisted Teaching


AI-Augmented and Assisted Teaching : Intentional Assessment

การออกแบบการประเมินที่มีวัตถุประสงค์ชัดเจนว่าจะเป็นการวัดและประเมินผลเพื่อปรับปรุงการเรียนการสอน ไม่ใช่เพื่อให้เกรดเท่านั้น แต่เพื่อสร้างความเข้าใจที่ลึกซึ้งเกี่ยวกับการเรียนรู้ของนักเรียนแต่ละคนที่จะนำไปสู่ การเข้าใจผู้เรียน (ปัญหา/สาเหตุของปัญหา) การวางแผนช่วยเหลือเชิงรุก และการดำเนินการช่วยเหลืออย่างแม่นยำ ทันท่วงที

Four Principles

  • Propose-Driven

  • Personalized

  • Process_Enhanced

  • Proactive Prevention

Three Tiers

  • Predictive Assessment

  • Responsive Assessment

  • Intensive Assessment

Generative AI for Assessment Design, Scoring, and Feedback

  • Item/Quiz Generator (🧭 Purpose-Driven)

  • Task Generator (🧭 + 🧠 Process-Enchanced)

  • Differentiate/Adaptive Tasks (🎯 Personalized)

  • Rubric Generator (🧭 + 🧠 + 🎯 + 🛡️ Proactive)

  • Automated Scoring & Automated Essay Scoring (🎯 + 🛡️)

  • Feedback Generator (🎯 + 🛡)

Automated Scoring + Feedback (1)

  • ZGen AI เช่น ChatGPT สามารถตรวจคำตอบของโจทย์ปัญหาได้ และยังสามารถตรวจให้ผู้เรียนเป็นรายบุคคลโดยอัตโนมัติ

  • ถ้าคำถามมีความซับซ้อนอาจแบ่งการป้อน prompt เป็นส่วนย่อย ๆ เช่น ส่วนสอนหรือปรับแต่งเฉลยคำตอบ ส่วนตรวจให้คะแนน และส่วนให้ผลป้อนกลับ

Automated Scoring + Feedback (2)

  • Gen AI เช่น ChatGPT สามารถตรวจคำตอบของโจทย์ปัญหาได้ และยังสามารถตรวจให้ผู้เรียนเป็นรายบุคคลโดยอัตโนมัติ

  • ถ้าคำถามมีความซับซ้อนอาจแบ่งการป้อน prompt เป็นส่วนย่อย ๆ เช่น ส่วนสอนหรือปรับแต่งเฉลยคำตอบ ส่วนตรวจให้คะแนน และส่วนให้ผลป้อนกลับ

Automated Scoring + Feedback (3)

Automated Scoring + Feedback (4)

Automated Scoring + Feedback (5)

AI-Augmented Data Analysis

AI-Augmented Data Analysis

AI-Augmented Data Analysis

AI-Augmented Data Analysis

AI-Augmented Data Analysis: Predictive Assessment

ใช้ผลการเรียนรายวิชาสถิติ + พฤติกรรมการเรียนของนักเรียนเพื่อทำนายความเสี่ยงในการเรียนรายวิชาวิจัย

AI-Augmented Data Analysis: Explainable AI

AI-Augmented Data Analysis : ค้นหาผู้เรียนที่มีความโดดเด่น

Gen AI สามารถสำรวจผู้เรียนที่มีความโดดเด่นโดยใช้ได้ทั้งวิธีการทางสถิติและการเรียนรู้ของเครื่อง แปลผล และรายงานให้ครูผู้สอนทราบเพื่อดำเนินการสนับสนุน/ช่วยเหลือผู้เรียนต่อไปได้

AI-Augmented Data Analysis : ค้นหาผู้เรียนที่มีความโดดเด่น

AI-Augmented Data Analysis : ควรให้เวลาทำงานแก่ผู้เรียนมากขึ้นหรือไม่?

AI-Augmented Data Analysis : ควรให้เวลาทำงานแก่ผู้เรียนมากขึ้นหรือไม่?

คลิกเพื่อดูรายละเอียด 
1. จากข้อมูลที่ให้ขอให้สร้าง histogram เพื่อนำเสนอการแจกแจงของ StatSubmitTime หน่อย ข้อมูลดังกล่าวเป็นจำนวนชั่วโมงโดยเฉลี่ยที่นักเรียนใช้ในการทำงานที่ได้รับมอบหมาย ให้สร้างเส้นตรง x = 168 เป็นเส้นประไว้ด้วยเพื่อเป็นจุดอ้างอิงระยะเวลา deadline ของการส่งงานแต่ละชิ้น (7 วัน)

2. ช่วยคำนวณสถิติพื้นฐานของตัวแปร StatSubmitTime หน่อย ได้แก่ ความถี่ ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน ค่าต่ำสุด Q1, Q2, Q3 และ ค่าสูงสุด โดยจำแนกตามกลุ่มของนักเรียนที่ส่งงานตรงเวลาและส่งงานช้า

3. มีนักเรียนเสนอว่าควรขยายเวลาการส่งงานจาก 7 วันเป็น 10 วัน ทั้งนี้เป็นเพราะเชื่อว่าการมีเวลามากขึ้นจะทำให้งานดีขึ้น และผลการเรียนจะดีขึ้นด้วย ผมอยากวิเคราะห์ข้อมูลเพื่อตรวจสอบสมมุติฐานนี้ ทำยังไงได้บ้างจากข้อมูลที่มี ลองเสนอทางเลือกหน่อย

4. ลองสร้างแผนภาพการกระจาย โดยที่ให้แกน y เป็น StatKnowledge และ แกน x เป็น StatSubmitTime พร้อมทั้งสร้าง smooth line regression เพื่อแสดงแนวโน้มความสัมพันธ์ด้วย

5. ขอให้ hover label ใน scatter plot แสดง student_id ด้วย และปรับแกน x ให้เป็นจำนวนเต็ม ไม่มีจุดทศนิยมด้วย

6. ขอ scatter plot แบบนี้แต่เปลี่ยนแกน y เป็น StatPercentSubmit

7. ให้แกน y เป็น StatPercentSubm เหมือนเดิม แต่ลองปรับแกน x ให้เป็นตัวแปรจัดประเภทกำหนด cutoff ที่ 75, 125 และ 168 แล้วปรับแผนภาพเป็น boxplot แทน

AI-Augmented Data Analysis : ควรให้เวลาทำงานแก่ผู้เรียนมากขึ้นหรือไม่?

Qualitative Data Analysis

Intervention Design & Implementation

  • ค้นหางานวิจัย/แหล่งข้อมูลอ้างอิง

  • ออกแบบแผนการสอน

  • สร้างเนื้อหาการเรียนรู้ เช่น สถานการณ์ บทสนทนา ประโยคตัวอย่าง …

  • อธิบายเนื้อหา ให้ข้อมูลป้อนกลับผู้เรียน

  • แปลภาษาและสรุปความ

  • ปรับเนื้อหาให้มีความสอดคล้องกับระดับหรือภูมิหลังของผู้เรียน

  • ออกแบบวิธีการสนับสนุนหรือช่วยเหลือผู้เรียนที่เหมาะสม

Intervention Design & Implementation: Custom GPT

  • Prompt engineering + Context injection

  • สามารถปรับแต่ง GPT ให้มีความเฉพาะและเหมาะกับการทำงานในแต่ละบริบท

  • ไม่จำเป็นต้องเขียน code

Intervention Design & Implementation: Custom GPT

  • บน sidebar ของ ChatGPT คลิกเลือก Explore GPTs

  • มุมขวาบนของหน้าจอ คลิปเลือก + Create

Intervention Design & Implementation: Custom GPT